统计与预测论文范例6篇

统计与预测论文范文1

论文摘要：本文提出了两种证券投资预测方法—马氏链法和e-bayes法。首先对数据进行分组，然后在此基础上应用马氏链法和e-bayes法的理论建立预测模型，最后结合实际问题进行了 计算 ，两种方法的预测结果是一致的。

引言

在 文献 中，介绍了1990年诺贝尔 经济 学奖的三位得主harry markowitz，william sharpe和merton miller在证券投资方面的主要工作，很有 参考 价值。markowitz获奖是因为他提出了投资组合选择(portfilio selection)理论。markowitz把投资组合的价格视为随机变量，用它的均值为衡量收益，用它的方差来衡量风险(因此markowitz的理论又称为均值——方差分析理论)，该理论后来被誉为“华尔街的第一次革命”。

证券的价格忽高忽低似乎难以捉摸，但在 政治 经济形势比较平稳的条件下，它的变化是由其基本因素的变化所决定的。由于证券投资的高效率，这些因素的变化会立即从证券的价格上反映出来。因素分析法是根据在一定时期、一定环境下，用影响证券价格变化的因素来预测证券价格走势的一种方法。技术分析法，是应用 历史 价格各种图象和曲线来预测证券价格。近些年来，技术分析法 发展 很快，特别是随着计算机的普及，各种分析方法法越来越多。总的来看，技术分析法可以分为图象分析法和统计分析法。图象分析法是以图、表为分析工具；统计分析法是对价格、交易量等市场指标进行统计处理。本文提出了两种证券投资预测方法——马氏链法和e-bayes法，不仅能预测证券的价格走势，而且还能进一步预测出证券的价格范围。

1、马氏链法

在考虑随机因素影响的动态系统中，常常遇到这种情况：系统在每个时期所处的状态是随机的。从这个时期到下一个时期的状态按照一定的概率进行转移，并且下一个时期的状态只取决于这个时期的状态和转移概率，与以前各时期状态无关。这种情况称为无后效性，或马尔可夫性，通俗地说就是：已知现在，将来与历史无关。具有无后效性的时间、状态均为离散的随机转移过程通常用马氏链(markov chain)模型描述。

马氏链模型在经济、社会、生态、遗传等许多领域中有着广泛的应用。本文我们用马氏链建立预测模型，并对证券投资进行预测，从而为证券投资预测提供一种技术分析方法。

马氏链法的最简单类型是预测下一期最可能出现的状态，可按以下几个步骤进行：

(1)划分预测对象所出现的状态——把数据进行分组。

从预测的目的出发，并考虑决策者的需要来划分所出现的状态，同时把数据进行分组。

(2)计算初始概率

论文关键词：运筹学；证券投资；预测模型；马氏链法；e-bayes法

论文摘要：本文提出了两种证券投资预测方法—马氏链法和e-bayes法。首先对数据进行分组，然后在此基础上应用马氏链法和e-bayes法的理论建立预测模型，最后结合实际问题进行了计算，两种方法的预测结果是一致的。

引言

在文献中，介绍了1990年诺贝尔经济学奖的三位得主harry markowitz，william sharpe和merton miller在证券投资方面的主要工作，很有参考价值。markowitz获奖是因为他提出了投资组合选择(portfilio selection)理论。markowitz把投资组合的价格视为随机变量，用它的均值为衡量收益，用它的方差来衡量风险(因此markowitz的理论又称为均值——方差分析理论)，该理论后来被誉为“华尔街的第一次革命”。

证券的价格忽高忽低似乎难以捉摸，但在政治经济形势比较平稳的条件下，它的变化是由其基本因素的变化所决定的。由于证券投资的高效率，这些因素的变化会立即从证券的价格上反映出来。因素分析法是根据在一定时期、一定环境下，用影响证券价格变化的因素来预测证券价格走势的一种方法。技术分析法，是应用历史价格各种图象和曲线来预测证券价格。近些年来，技术分析法发展很快，特别是随着计算机的普及，各种分析方法法越来越多。总的来看，技术分析法可以分为图象分析法和统计分析法。图象分析法是以图、表为分析工具；统计分析法是对价格、交易量等市场指标进行统计处理。本文提出了两种证券投资预测方法——马氏链法和e-bayes法，不仅能预测证券的价格走势，而且还能进一步预测出证券的价格范围。

1、马氏链法

在考虑随机因素影响的动态系统中，常常遇到这种情况：系统在每个时期所处的状态是随机的。从这个时期到下一个时期的状态按照一定的概率进行转移，并且下一个时期的状态只取决于这个时期的状态和转移概率，与以前各时期状态无关。这种情况称为无后效性，或马尔可夫性，通俗地说就是：已知现在，将来与 历史 无关。具有无后效性的时间、状态均为离散的随机转移过程通常用马氏链(markov chain)模型描述。

马氏链模型在 经济 、社会、生态、遗传等许多领域中有着广泛的应用。本文我们用马氏链建立预测模型，并对证券投资进行预测，从而为证券投资预测提供一种技术分析方法。

马氏链法的最简单类型是预测下一期最可能出现的状态，可按以下几个步骤进行：

(1)划分预测对象所出现的状态——把数据进行分组。

统计与预测论文范文2

关键词：改进灰色模型；预测精度；物流成本

中图分类号：F25文献标识码：Adoi：10.19311/ki.16723198.2016.19.014

现代物流作为近年来新兴的产业，受到了全社会的广泛关注。日益壮大的物流产业，为我国的经济发展注入了新的活力。现在物流中最重要的部分就是控制物流成本。然而如何控制物流成本则是一项极具研究性的问题。因为这不仅可以从宏观的角度认识我国物流发展水平，还能在一定程度上反映物流产业的现状，并能给企业在发展方向和相关政策上一定的指导。物流成本（Logistics Cost）是指产品成型、运输等一系列过程中，如流通加工、包装、运输、装卸、储存等各个环节中，所需支付的人力、物力和财力的总和。物流成本包括流通加工、包装、运输、装卸与搬运、仓储成本、物流管理等费用。而现代物流成本包括的内容更为丰富，串联了经营活动中每一项工作，包括从原材料供应开始一直到将商品送达到消费者手中所发生的全部物流费用。物流成本预测能为物流企业未来期间物流成本的变化趋势进行宏观掌控，为物流企业进行物流成本决策通过必要的科学依据，以避免决策中的主观性和盲目性。

以往学者对于物流成本预测方法主要有时间序列预测法、回归分析法和灰色模型等。其中，灰色系统理论是1982年我国著名学者邓聚龙教提出的，这种方法受到研究者的欢迎，因为这种方法不需要采集大量样本数据，同时也不需要计算统计特征量。因此，已经被应用到了很多方面，尤其是在存在不确定性和缺乏统计数据的领域得到了广泛的运用。陈森等应用灰色系统理论对我国的物流需求进行整体预测，同时验证了灰色模型的精度的准确性；Dang等提出以x（n）为初始条件的GM（1，1）模型；Hao等将灰色系统模型运用到喀斯特流域水文研究中，得到的分析结果具有较高精度。

灰色GM（1，1）预测模型是灰色系统理论的核心内容之一，但是基本GM（1，1）模型依然存在很多缺陷。原始数据列光滑性强弱，在一定程度上决定了传统的灰色预测模型是否具有预测精度高、模型可检验、参数估计方法简单等优点。经过长时间对GM（1，1）模型性质的研究、对模型参数估计和背景值的改进、新模型的相应发展等，大大提高了经典GM模型精度，拓宽了应用领域。

徐进军等基于灰色理论模型，梳理了如何正确建立含诸多因素灰色模型的改进方法；刘亮等对原始数列取自然对数以提高其光滑度，增加灰色模型的预测精度；Carmona等利用改进后的GM模型，对美国航空运输业的客流量长期变化趋势进行了预测，其结果较为理想。

本文在已研究成果基础上，对灰色预测模型进行改进，以达到提高预测精度的目的。将改进的灰色预测模型应用于物流成本预测中，与简均法、移动平均法和指数平滑法等方法预测精度进行比较。实践证明该预测模型可以有效提高预测精度，达到期望效果。

1传统灰色模型

灰色系统理论主要通过GM（m，n）模型进行预测，该模型是灰色系统理论的量化体现。首先，灰色模型是在原始数列是光滑离散函数基础上进行建模，而在实际中原始数列经常存在阶跃（突变）的现象，或者可能出现失效。出现此状况的原因是定解X（1）（1）=X（1）=X（0）条件决定的。因此，为得到比较满意的仿真效果，尤其是阶跃（突变）点，有必要改进一般灰色模型。现分析如下。

并用残差检验对预测误差进行检验。同时，为可以与其它预测方法的预测结果进行比较，检测预测的结果的理想性，在此基础上加入标准差的检验。

（6）通过比较，最终选取能够使预测误差最小的参数δ和m，建立最佳预测公式。

3实例计算与分析

由于物流成本方面的统计数据难以获取，本文将社会物流总成本由全国物流总费用来代替。选取样本数据为历年2009年～2013年全国物流总费用，如表1所示。

均方误差（%）4.2518.715.3628.592.27本文采用简均法、移动平均法和指数平滑法等预测方法进行物流成本的预测。通过计算机编程，对上述预测方法进行相应计算，得到模型计算值，社会物流总费用预测模型结果分析见表1。

原始序列与预测序列对比图比较表1中预测模型均方的均方误差，可以看出灰色模型经修正得到的结果远比其他模型计算得到的均方差要小，原始序列和预测序列所示，可从社会物流成本改进后模型计算值与实际值看出。由于选择修正后的灰色模型的误差明显小于其他的预测模型，因此，选择其预测社会物流成本效果更为理想。原因是移动平均法适用于平稳的变化序列，指数平滑法更适合平稳的线性序列；而灰色模型数据适合光滑序列。

由以上的计算与分析可得到：当t=2，δ=0，m=1时，改进后灰色预测模型的平均相对误差最小（e=486%）；比其它预测方法相对误差小2.27%。因此经改进后灰色预测模型较好地反映出社会物流成本的变化趋势。其预测公式为

通过改善后的模型对社会物流成本的预测更加准确，接近实际值，为更好物流成本投入奠定了坚实的基础。

4结论

改进的灰色模型对于社会物流成本预测比较实用。本文对物流成本进行科学预测，有利于物流企业做出最合理的计划决策，这不仅节约了企业的经营成本，更节约了社会的资源。同时，从国家的宏观层面来看，可以使国家宏观调控物流产业的合理运行。最终引导现代物流健康快速的发展。改进的灰色预测模型适用于原始数据列近似单调的各种领域，将获得较高预测精度，预测结果具有决策和实用价值。

参考文献

[1]邓聚龙.灰色系统基本方法[M].武汉：华中理工大学出版社，1992.

[2]陈森.基于灰色系统理论的物流需求预测模型[J].决策参考，2006，（2）：5960.

[3]Dang Yaoguo， Liu Sifeng.The GM models that be taken as initial value[J].Kybernetes： The International Journal of Systems & Cybernetics， 2004，33（2）：247254.

[4]HaoYonghong， Zhao Jiaojuan.， Li Huamin， et al.Karst hydrological processes and grey system model[J].Journal of the American Water Resources Association， 2012，48（4）：656666.

[5]刘亮，杨章伟，刘年锋.改进灰色预测模型的研究[J].安徽：安徽工业大学，2011，30（11）：3334.

统计与预测论文范文3

【关键词】股票非预期收益 总风险 非预期会计收益 会计收益预测修正

一、引言

在对股票非预期收益的研究中，最早起始于Ball和Brown（1968）的研究，将股票非预期收益与公司非预期会计收益进行回归，用来检验会计收益的价值相关性。Chambers和Freeman（2005）提出了反映与非预期会计收益相关的风险度量模型。本文基于宿成建（2012a，b）提出的股票非预期收益定价模型框架来检验总风险、系统风险对会计收益反映系数及分析师盈余预测修正系数的风险效应。

二、实证检验

（一）会计收益反映系数的风险效应

在分析风险与ERC的关系中，模型的设置尤为重要。根据前面的理论和实证分析发现，宿成建（2012a，b）提出的三因素模型是一个可以精确解释股票非预期收益的正确模型，那么，是否可以参考Chambers等（2005）的框架，将总风险加入到因素模型中，来考察总风险对ERC的影响呢？也就是通过如下模型，来考察γ1+δ1总风险对ERC的影响，或者说高风险公司具有高的δ1值。即有如下回归方程：

由于γ1+δ1包含了ERC（γ1）和总风险（δ1）的总效应，用以上模型来刻画总风险对ERC的影响不能直接看出总风险对ERC的关系，并且，总风险还不能作为独立变量来解释股票非预期收益。表1所报告的结果显示，总风险变量为内生变量，因此将总风险变量作为控制变量加入多元回归方程来研究总风险与ERC的关系所得出的结论将不具备稳健性。此外，根据前文分析，由于TRUE和SRUE分别是非预期会计收益（UE）与总风险和系统风险的乘积，因而，UE与SRUE与TRUE就存在无法避免的多重共线性问题。本文采用宿成建（2012）提出的股票非预期收益定价模型框架来检验会计收益反应系数、分析师盈余预测修/正系数的风险效应。通过以上的分析，将检验如下假设：

假设1：ERC随着总风险增加而增加；假设2：高总风险公司对证券分析师预期的会计收益增长信息存在风险补偿效应；假设3：ERC随着系统风险增加而减少；假设4：高系统风险公司对证券分析师预期的会计收益增长信息存在风险补偿效应。

表2报告了使用标准Fama和French（1973）方法得出的时间序列横截面回归模型估计系数。PanelA和PanelB分别报告了市场风险溢价在3%和5%条件下的股票非预期收益的回归模型估计结果。被解释变量的样本区间是从2004年4月至2011年3月，作为解释变量的贝塔则起始于2002年1月。表6 PanelA所示，高总风险组合股票的ERC是2.217，T值8.154；低总风险组合的ERC是1.285，T值5.259。因此，高风险组合股票的ERC与低风险组合的ERC之差是0.932，说明股票高总风险越高具有更高的ERC，假设1得到验证。这个结果与Chambers等（2005）的预测一致。然而，无论是高风险组合股票还是低风险组合，反映证券分析师预期的会计收益增长信息的分析师盈余预测修正变量的估计系数却没有显著差异，说明股票价格对证券分析师预期的会计收益增长信息不存在总风险补偿效应。因而，假设2没有得到验证。

表2Panel B所示，高系统风险组合股票的ERC和REERC估计系数均分别显著大于低系统风险组合股票的ERC和REERC的估计系数，并且估计系数是经济意义和统计意义上是显著的，说明ERC随着系统风险增加而增加，并且，对于高系统风险公司，证券价格对证券分析师预期的会计收益增长信息存在系统风险补偿效应。假设3和假设4得到验证。假设3的结果与Cready，Hurtt，和Seida（2000）的预测一致，与Collins和Kothari（1989，p167）报告的ERC与贝塔呈负相关则相反。本模型的预测与现有金融理论相吻合，即高风险需要高收益进行补偿，意味着相对高的ERC（或REERC）反映系数效应。

三、结论

本文检验了总风险、系统风险对会计收益反映系数及分析师盈余预测修正系数的风险效应并发现：第一具有高总风险的股票具有更高的ERC；第二股票价格对证券分析师预期的会计收益增长信息不存在总风险补偿效应；第三ERC随着系统风险增加而增加，并且，对于高系统风险公司，证券价格对证券分析师预期的会计收益增长信息存在系统风险补偿效应。

参考文献

[1]宿成建.2012a：《非预期股票收益理论与实证研究―基于中国股票市场的检验》，2012CICF中国金融国际年会论文，《投资研究》，2014，33（7）：126-143.

[2]宿成建.2012b：《股票非预期收益定价的三因素模型研究―基于中国股票市场的检验》，2012第十届金融系统工程与风险管理年会优秀论文，《系统工程理论与实践》，2014，34（3）：600-612.

统计与预测论文范文4

关键词：居民消费 灰色组合模型 马尔可夫预测

一、引言

消费是拉动经济增长的“三驾马车”之一，而在内蒙古地区，进出口贸易比重不是很大，主要依靠投资和消费拉动经济增长，在这种情况下对消费的研究就显得十分重要了。同时，消费也是经济增长对人们生活质量改善情况的一个重要体现。因此，对消费支出的预测对于制定各种相关经济政策更是有着十分重要的意义。

二、相关模型和理论的介绍

（一）灰色系统理论

灰色系统理论是中国学者邓聚龙教授1982年3月在国际上首先提出来的。他在研究概率统计和时序分析方法时，发现概率统计追究大样本，先知分布规律，发展趋势；而时间序列则只致力于数据的拟合，不注重规律的发现。于是他选择用少量的数据进行微分方程建模的研究。其中多数列的微分模型揭示了系统各因素间的动态关联性，是建立系统综合动态模型的基本方法。邓聚龙教授以单数列微分方程GM（1,1）为基础，得到了各类灰色预测方法，将GM（1,1）运用到局势决策与经典的运筹学规划中，建立了灰色决策，通过建立的关联度、关联空间等，形成了以系统分析、信息处理、建模、预测、决策、控制为主要内容的灰色系统理论。而GM模型也就是灰色模型，一般通过使用数据序列建立差分方程来建立模型，灰色建模时用历史数据生成后建立的微分方程模型。

灰色组合模型则是将灰色系统模型或灰色信息处理技术与传统模型结合后得到的有机组合体。其中如果能直接分解出灰色系统模型，则称组合体为显性灰色组合模型;反之,则称为隐形灰色组合模型。本文中用到的灰色经济计量学模型以及灰色马尔可夫模型都属于后者。

三、模型的建立

为了进一步的体现影响居民消费支出的因素，本文选取了凯恩斯的消费函数作为研究消费支出的模型，在此基础之上，采用灰色计量模型的方法对消费支出进行研究。

本文选取了2000-2005年6年间的数据来对消费支出进行分析。其中，令城镇居民可支配收入为X，其具体数值为（5129,5536,6051,7013,8123,9137）；城镇居民消费支出为Y，其具体数值为（3928,4196,4860,5419,6219,6929）。为了削弱实际值的随机波动效果，分别对X和Y建立GM（1,1）模型，其时间响应函数如下：

其中，参数a=-0.130567，b=4403.423208，b/a=-33725.294048，而模型的平均相对误差为1.160016%，其模拟值为（5129,5419.175,6175.01,7036.265,8017.643,9135.899）

模型参数为a=-0.123623，b=3500.337494，b/a=-28314.646007，平均相对误差为0.825716%，模拟值为（3928,4242.783,4801.088,5432.859,6147.764,6956.744）

根据GM（1,1）模型估计出的模拟值，使用EVIEWS6.0建立消费函数模型，其建模结果如下：

根据上表可知，拟合模型为： Y=170.3423+0.74517X，其中，X的t检验值为61.88584，而方程的R2=0.998957，调整后的R2=0.998696，F检验值为3829.857，D.W=1.526583。从上述检验结果可以看出，方程的拟合效果很好，能够很好地用居民可支配收入来解释消费支出的变化情况。现将消费支出的拟合值与其实际值进行对比，结果如下：

模型的平均相对误差为0.95897%，可以说误差相对较小，从另一个方面也说明了模型的拟合效果是非常好的。

四、预测

为了检验模型的预测效果，现通过GM（1,1）对2006-2008年的个人可支配收入进行预测，并将其带入到所求的消费函数模型，求出对内蒙古城镇居民的消费支出的预测值，其结果如下：

通过检验结果可以看出通过灰色计量模型对内蒙古城镇居民的消费支出进行预测，效果是比较好的，各期的预测值与实际值偏差不大，其平均相对误差为3.895759%。为了更好地对消费支出进行预测，我们选择对个人可支配收入进行预测，并将预测结果同样代入到上文中求得的消费函数模型中，对内蒙古城镇居民的消费支出进行预测。具体过程如下：

选取1996-2005年的个人可支配收入增量令其为变量Z，对其建立GM（1，1）模型，模型的时间响应函数如下：

模型的参数为，a=-0.161465，b=172.919808，b/a=-1070.941231，模型的平均相对误差为22.328839%，误差较大。为了缩小误差，使预测更加准确，在这里选取马尔可夫预测法对居民可支配收入增量进行预测。由Z的时间响应函数可得，Z的模拟值为（601，292.9765，344.3151，404.6499，475.5573，558.8898，656.8248，771.9211，907.1858，1066.153）

经比较发现实际值和模拟值的差别较大，所以我们根据情况将其划分为4个状态：

根据模拟数据与状态划分，求得状态转移概率矩阵为 ：

2005年的可支配收入增量处于第三状态，所以2006年最可能处于第四状态，其预测值为 ，即为1082.99 用新陈代谢法对2006-2008年进行预测，其具体预测结果如下：

由此可知，通过灰色马尔可夫预测城镇居民可支配收入增量，据此结果预测城镇居民可支配收入，并代入灰色计量模型得出的预测结果与实际值相比，其平均相对误差为3.328496%，略优于单纯的灰色计量模型预测的平均相对误差。

将两种方法进行比较可以发现，两种预测方法各有优缺点，单纯采用灰色计量模型对消费支出进行预测时，虽然平均相对误差大于灰色马尔可夫预测法对消费支出做预测的平均相对误差，但这种方法的计算量小，比较简便。而使用马尔可夫预测时，虽然提高了平均相对误差，但计算过程相对灰色计量模型复杂得多，工作量大。

在这里选取用灰色计量模型的方法对内蒙古城镇居民消费支出进行预测，其预测结果如下：

五、结论

通过上述研究可以看出，在内蒙古地区的居民可支配收入保持目前状态的变化趋势下，该地区的居民消费支出将在10年内翻一番，这显然是不能满足地区经济发展需要的。内蒙古地区的经济增长主要依靠投资来拉动，这在一段时间内是对经济增长有利的，但这并不能够长期持续下去，想要经济更好更快的发展，根本还是要靠消费来拉动经济增长。只有这样，经济的发展才是合理的。事实上，我们都知道如果要增加居民消费支出，有一个十分重要的因素就是提高居民的可支配收入。所以在未来一段时期内，政府应该稳步的提高居民的可支配收入，从而达到增加消费，带动经济增长的目的。

参考文献：

[1]刘世彦.居民消费与经济增长关系的分析[J].内蒙古统计，

2001（1）.

[2]文峰，姚树荣.居民消费与经济增长关系的实证分析及政策

选择[J].学术论坛，2002（4）.

[3]尹世杰.论扩大消费需求的必要性及思路[J].经济评论，

2004（1）.

[4]齐平茹.论消费需求与经济增长[J].社会科学战线，2007（1）.

统计与预测论文范文5

随着我国市场经济的不断发展,交通运输业已发展成为国民经济的基础产业,特别是铁路运输,在整个综合运输网络中发挥着至关重要的作用。但目前,铁路运输面临着运输数量和质量的双重压力,为解决铁路运输的“瓶颈”问题,促进我国经济的快速发展,我国铁路管理部门己立足于现有基础扩充运力,在既有路线上进行技改提速。运量一直是衡量提速成效的一项重要指标,也是铁路提速项目可行性研究的核心内容之一。本文就是在分析了国内外研究现状的基础上,对客运量预测进行了深入和系统的理论与方法研究,并开展了实际应用。

文章在借鉴已有研究工作的基础上,分为四部分对提速后的客运量进行研究,主要做了如下工作:

①第一部分即绪论,首先分析了国内外对客运量预测的研究现状,并从中找出预测方法中存在的问题与缺陷,从而确定了文章的研究方向。

②第二部分包括第二、三两章,主要对我国既有线铁路提速的状况以及提速的必要性进行了介绍,分析了提速后运输需求产生的原因以及影响运输需求的因素,同时也阐述了提速后客流的形成和预测的基本原理。

③第三部分为第四章,也是本文的核心部分。提速后的客运量由趋势客运量、转移客运量、诱发客运量三部分构成。由于其产生的机理各不相同,所以需采取不同的模型进行预测。首先建立了时间序列模型对趋势客运量预测,并应用多目标决策理论和计量经济学方法来计算铁路提速前与提速后客运市场的占有率,最后建立转移客运量与诱发客运量的预测模型。

④第四部分即第五章。将预测模型应用到了实例当中,以京秦线为例进行了实例分析,对客运量进行预测,通过预测结果与实际结果的比较说明模型的合理性。为今后提速项目可行性研究提供一套科学、合理、可行的客运量预测方法。

关键词:提速;客流预测;运输需求;既有线

结论及展望

统计与预测论文范文6

随着我国市场经济的不断发展,交通运输业已发展成为国民经济的基础产业,特别是铁路运输,在整个综合运输网络中发挥着至关重要的作用。但目前,铁路运输面临着运输数量和质量的双重压力,为解决铁路运输的“瓶颈”问题,促进我国经济的快速发展,我国铁路管理部门己立足于现有基础扩充运力,在既有路线上进行技改提速。运量一直是衡量提速成效的一项重要指标,也是铁路提速项目可行性研究的核心内容之一。本文就是在分析了国内外研究现状的基础上,对客运量预测进行了深入和系统的理论与方法研究,并开展了实际应用。

文章在借鉴已有研究工作的基础上,分为四部分对提速后的客运量进行研究,主要做了如下工作:

①第一部分即绪论,首先分析了国内外对客运量预测的研究现状,并从中找出预测方法中存在的问题与缺陷,从而确定了文章的研究方向。

②第二部分包括第二、三两章,主要对我国既有线铁路提速的状况以及提速的必要性进行了介绍,分析了提速后运输需求产生的原因以及影响运输需求的因素,同时也阐述了提速后客流的形成和预测的基本原理。

③第三部分为第四章,也是本文的核心部分。提速后的客运量由趋势客运量、转移客运量、诱发客运量三部分构成。由于其产生的机理各不相同,所以需采取不同的模型进行预测。首先建立了时间序列模型对趋势客运量预测,并应用多目标决策理论和计量经济学方法来计算铁路提速前与提速后客运市场的占有率,最后建立转移客运量与诱发客运量的预测模型。

④第四部分即第五章。将预测模型应用到了实例当中,以京秦线为例进行了实例分析,对客运量进行预测,通过预测结果与实际结果的比较说明模型的合理性。为今后提速项目可行性研究提供一套科学、合理、可行的客运量预测方法。

关键词:提速;客流预测;运输需求;既有线

结论及展望